时间分布模型在甲肝流行趋势分析中的应用

发布时间：2017-10-24 09:15

  本文关键词：时间分布模型在甲肝流行趋势分析中的应用

  更多相关文章： 甲肝 ARIMA模型 指数平滑法 残差自回归模型 灰色模型

【摘要】：目的：对收集的甲肝患病率资料采用确定性分析、随机性分析、确定性和随机性混合性分析以及不依赖数据原始分布特征的四种时间分布模型进行拟合,分析和比较不同的时间分布模型对资料的拟合和预测效果,为甲肝的流行趋势研究提供参考,为维护居民健康,制定防治策略及防范重点,合理分配卫生资源等提供理论依据。方法：本研究从法定传染病报告系统收集整理2006年1月-2014年12月浙江省甲型病毒性肝炎染病报告卡,按月对甲肝报告病例数进行汇总,从浙江省疾病预防控制中心收集浙江省2006年-2014年的常住人口数据并计算甲肝按月统计的发病率；采用序列图对2006年1月-2014年12月的甲肝分布特征进行描述；采用自回归求和滑动平均模型(Autoregressive Integrated Moving Average Model, ARIMA)、指数平滑法(Exponential smoothing method)、残差自回归模型(Auto-Regressive Model)以及灰色模型(Grey Model, GM)分别对2006年1月-2013年12月和2006年1月-2011年12月甲肝按月发病率进行拟合,并采用R2, AIC, SBC等对模型拟合效果进行评价；采用本研究建立的模型对2014-2015年和2012-2015的甲肝按月发病率进行预测,采用均方误差(Mean Square Error, MSE)、均方根误差(Rooted Mean Square Error, RMSE)和平均绝对百分比误差(Mean Absolute Percent Error, MAPE)对模型预测效果进行评价。资料整理采用Excel 2013,模型拟合采用SAS9.2和SPSS20.0统计分析软件,以P≤0.05为差异有统计学意义。结果：对浙江省2006年1月-2013年12月的数据拟和ARIMA(2,1,1)(0,1,1)12NOINT, ARMA(1,1,1)(0,1,1)12 NOINT和ARIMA(0,1,1)(0,1,1)12NOINT模型,模型参数均通过检验,残差序列均为白噪声序列,按照参数个数越少模型最优,AIC和SBC越小模型越优的判断标准,最终确定ARMA(1,1,1)(0,1,1)NOINT模型为拟合效果最优的ARIMA模型；采用阻尼趋势、简单季节性、Winters加法和Winters乘法模型对2006年1月-2013年12月甲肝按月发病率进行拟合,Winters乘法模型的R2达到0.92,且平均绝对百分比误差,均方误差,均方根误差和BIC均为四个模型中最小,Winters乘法是拟合效果最优的指数平滑法；残差自回归模型的总R方为0.86,拟合效果优于确定性回归模型,Durbin-Watson统计量为1.94,接近2,模型残差序列不相关,残差自回归模型拟合情况良好,对甲肝总体流行趋势以及季节性波动状况的拟合均有较好的表现；对2006年1月-2013年12月数据拟合GM(1,1)模型,模型后验差比值C=0.4902,小误差概率P=0.8316,模型的精度为合格,可以使用模型进行外推预测。对2006年1月-2011年12月的数据拟和ARIMA((1,12),1,(1,12))NOINT, ARIMA((1,12),1,1)NOINT和ARIMA((12),1,1)NOINT模型,模型残差序列均为白噪声序列,按照参数个数越少模型最优,AIC和SBC越小模型越优的判断标准,最终确定ARIMA((12),1,1)NOINT模型为拟合效果最优的ARIMA模型；采用阻尼趋势、简单季节性、Winters加法和Winters乘法模型对2006年1月-2011年12月甲肝按月发病率进行拟合,Winters乘法模型的R2达到0.91,且平均绝对百分比误差,均方误差,均方根误差和BIC均为四个模型中最小,Winters乘法是拟合效果最优的指数平滑法；残差自回归模型的总R2为0.89,拟合效果明显优于确定性回归模型,Durbin-Watson统计量为2.03,接近2,模型残差序列不相关,残差自回归模型拟合情况良好,对甲肝总体流行趋势以及季节性波动状况的拟合均有较好的表现；对2006年1月-2011年12月数据拟合GM(1,1)模型,模型后验差比值C=0.5594,小误差概率P=0.7887,模型的精度为基本合格。采用2006-2013年建立的ARIMA(1,1,1)(0,1,1)12NOINT模型,Winters乘法指数平滑法,残差自回归模型和GM(1,1)模型对2014-2015年甲肝按月发病率进行预测并与2014年的实际值进行比较分析；同时采用使用2006-2011年发病率建立的ARIMA((12),1,1)NOINT模型, Winters乘法指数平滑法,残差自回归模型和GM(1,1)模型对2014-2015年甲肝按月发病率进行预测并与2012-2014年的实际值进行比较分析,短期模型的各项误差评价指标均小于长期模型,短期模型中Winters乘法指数平滑法的MSE=0.0003, MAPE=18.2777, RMSE=0.0181,三项指标均是四个模型中最小的,是最适合甲肝发病率研究的预测模型。结论：不同时间分布模型对甲肝发病率预测结果显示,四种模型短期预测效果均优于长期,短期预测中Winters乘法指数平滑法对甲肝发病趋势预测效果最优,对甲肝整体趋势,季节性趋势均做出了高精度的预测；残差自回归模型预测效果次之,对整体趋势预测良好,但对甲肝季节性趋势预测效果欠佳；ARIMA模型性很好的实现了甲肝季节性趋势的预测,但总体预测精度较差；灰色模型对甲肝季节性趋势预测效果较差,预测值呈曲线分布。
【关键词】：甲肝 ARIMA模型 指数平滑法 残差自回归模型 灰色模型
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R512.61;R181.3
【目录】：

• 致谢4-5
• 中文摘要5-8
• 英文摘要8-14
• 1 引言14-20
• 2 资料与方法20-37
• 2.1 资料来源20
• 2.2 甲肝诊断标准20
• 2.3 数据预处理20
• 2.4 研究内容20-21
• 2.5 模型介绍21-34
• 2.6 模型预测效果评价指标34-35
• 2.7 统计分析方法35-37
• 3 结果37-87
• 3.1 基本情况37-38
• 3.2 时间分布模型短期应用38-66
• 3.3 时间分布模型长期应用66-85
• 3.4 模型长期与短期应用效果比较85-87
• 4 讨论87-92
• 4.1 时间分布模型的选择87-89
• 4.2 本研究创新点89-90
• 4.3 本研究不足之处90-92
• 5 结论92-93
• 参考文献93-98
• 综述98-112
• 参考文献108-112
• 作者简历及在学期间所取得的科研成果112-114

【参考文献】

中国期刊全文数据库 前10条

1 郭青;苏雪梅;王晓风;张春曦;于萌;张业武;;2013年全国医疗机构法定传染病报告率调查分析[J];中华疾病控制杂志;2015年07期

2 赵杰;花向红;刘闯;殷豪;;ARIMA-BP组合模型在高铁沉降预报中的应用研究[J];测绘地理信息;2015年04期

3 王鸿章;梁聪刚;;一类用常微分方程描述的带接种的SEIR传染病模型稳定性研究[J];河北省科学院学报;2015年02期

4 王丙参;魏艳华;吴欣蔓;;基于残差自回归模型的兰州市财政收入预测与决策[J];天水师范学院学报;2015年02期

5 王鲁茜;唐雅清;金文军;刘重程;王瑞琴;蔡旭;刘达峰;;2008-2012年北京市昌平区手足口病时空聚集性分析[J];疾病监测;2014年08期

6 陈银苹;吴爱萍;余亮科;许雅丽;蒋宁;杨阳;张锦;张静宇;曹燕花;;组合模型对肺结核发病趋势的预测研究[J];中国全科医学;2014年21期

7 何慧;高登蕊;冯长焕;;残差自回归模型的研究——基于四川省人均GDP的实证分析[J];兰州文理学院学报(自然科学版);2014年04期

8 李军;叶莹;马雅婷;;河南省2010-2012年甲型病毒性肝炎疫情分析[J];现代预防医学;2014年12期

9 吴田勇;曾庆;于萌;刘世炜;李勤;赵寒;;2004—2012年中国丙型肝炎报告数据ARIMA模型及其趋势预测[J];上海交通大学学报(医学版);2014年05期

10 谭姣;雷静;;三种预测模型在甲型肝炎发病趋势研究中的应用[J];公共卫生与预防医学;2014年02期

，

本文编号：1088067